一种新的指纹细节点匹配算法的研究

利用指纹中心点与各细节点(主要是端点和分叉点)之间的相对距离以及指纹中心点与各细节点的相对角度差相结合的方法实现两枚指纹匹配.实验证明,该算法匹配速度快、识别率高,可应用在实时性要求较高的场合.     

一种基于结构匹配的指纹匹配算法

提出了一种基于结构匹配的指纹匹配算法,不仅考虑了指纹的全局特性而且利用了指纹局部结构的平移和旋转不变性。该算法可克服在采集指纹图像时由于非线性形变所引起的细节点的位置、细节点的方向及指纹图像中细节点之间距离改变产生的影响,降低了匹配算法的拒识率。试验结果表明所提出的方法确实提高了指纹匹配算法的有效性。     

一种基于点模式的指纹分阶段匹配算法的研究

介绍了一个指纹中心点定位(Core)以及用中心点为中心构造特征向量进行初匹配,并且以此作为最佳匹配参考点来进行二次匹配的算法。本算法的特点:1.介绍指纹中心点的准确定位。2.以中心点作为最佳匹配参考点将匹配分为两步进行:初匹配利用了细节点间的结构关系,克服了图像的平移和旋转的影响;二次匹配引用了界限盒思想,增强指纹匹配算法对形变的适应能力。本算法把点模式的优点和基于结构的特征点之间的相对距离不变性、所跨越纹线数目的不变性、特征点类型的不变性很好结合起来。实验结果显示本算法具有较强的适应性和较高的拒识率。     

基于局部特征结构的指纹匹配算法研究

针对实际应用中指纹识别系统对畸变图像识别率较低的情况,提出了一种点模式指纹匹配的新方法,利用细节点方向的分布特点,构造指纹图像中具有平移旋转不变性的局部特征结构,然后根据模板指纹和输入指纹局部特征结构的相似度寻找候选参考点对,将指纹图像进行对齐,最后进行特征点集的全局匹配,由结果分数来判断两个指纹是否匹配,给出了算法实现的全过程,实验结果表明该算法鲁棒性好,正确识别率较高,是一种实用的指纹识别技术.     

指纹纹线的提取和匹配

针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足,首先提出了一种利用复滤波器准确定位指纹图像中心点的方法,克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法,此算法利用指纹的总体结构特征,提高了匹配的正确率。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。     

一种基于点模式的指纹分阶段匹配算法的研究

介绍了一个指纹中心点定位（Core）以及用中心点为中心构造特征向量进行初匹配，并且以此作为最佳匹配参考点来进行二次匹配的算法。本算法的特点：1．介绍指纹中心点的准确定位。2．以中心点作为最佳匹配参考点将匹配分为两步进行：初匹配利用了细节点间的结构关系，克服了图像的平移和旋转的影响；二次匹配引用了界限盒思想，增强指纹匹配算法对形变的适应能力。本算法把点模式的优点和基于结构的特征点之间的相对距离不变性、所跨越纹线数目的不变性、特征点类型的不变性很好结合起来。实验结果显示本算法具有较强的适应性和较高的拒识率。     

基于TPS模板的弹性形变指纹的匹配算法的研究

为了克服指纹图像获取过程中的非线性形变,本文提出一种新的细节点匹配算法.该算法基于TPS(the thin-plate spline)模板,分为局部匹配和全局匹配两部分.通过建立与该模板一致的匹配算法,用很小的匹配阈值算出匹配细节点的数目,得到较高的匹配分数.实验表明,这种算法能很好的校准弹性形变指纹,提高了指纹识别系统的实用性.     

一种基于细节点全局置信度的指纹匹配算法

传统基于细节点的指纹匹配方法通常利用细节点的局部结构相似度来描述一组细节点对之间的匹配程度.提出细节点的全局置信度概念,描述一组细节点对在全局范围内与其他细节点对之间的空间一致性和整体匹配可能性,可看作是对局部相似度的一个有效补充.通过计算点对相容性矩阵的主特征向量,借助谱松弛技术,可得到所有细节点对的全局置信度.结合局部相似度和全局置信度可构造出新的关联矩阵,那些具有较大的局部相似度和较大的全局置信度的候选细节点对被认定是匹配的.该方法较好地利用局部拓扑信息和全局相容信息,对非刚性形变和噪声具有较好的鲁棒性.在FVC2002和FVC2004数据库上的实验结果表明,该方法具有较高的效率和准确性.     

在图像处理中对指纹识别的研究

该文从介绍指纹识别技术的原理和指纹识别算法入手,将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构。该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别。该算法在保证自动识别指纹系统的识别准确性的同时,还使得指纹在线识别系统的1：N辨别速度有明显的提高。     

在图像处理中对指纹识别的研究

该文从介绍指纹识别技术的原理和指纹识别算法入手,将指纹识别中分类和匹配过程相结合,提出了一种包含奇异点周边的方向场和细节点等特征的奇异点邻近结构。该结构利用奇异点周边识别信息集中的特点,大大减少了匹配的计算量,并能够同时作为指纹分类和比对的特征,直接应用于指纹的连续分类和快速匹配过程,实现对大容量指纹数据库的快速识别。该算法在保证自动识别指纹系统的识别准确性的同时,还使得指纹在线识别系统的1:N辨别速度有明显的提高。     

基于扇区划分的细节点采样指纹匹配算法

在对指纹匹配算法进行了深入研究及总结现有算法优缺点的基础上,提出了新的基于扇区划分的细节点采样指纹匹配算法。本算法以指纹图像参考点为中心,分扇区对细节点数目进行采样统计以构造新的指纹特征向量,再利用距离最小准则进行指纹匹配。实验结果表明,本算法有效提高了指纹图像的匹配效果和运行速度。     

一种新的形变指纹匹配方法

提出了一种基于细节点局部配准的形变指纹匹配方法。首先,结合细节点的纹理信息以及结构信息获取多个参照点;然后依据选取的多参照点实现模板指纹图像与输入指纹图像的全局配准从而获得指纹之间的公共区域;将公共区域内的细节点与它们最近的参照点聚类组合,形成多个分组,并将各分组内的细节点以对应的参照点为极点转化到极坐标系下建立指纹的局部对应性;最后,采用界限盒约束条件实现指纹匹配。实验结果表明,基于局部配准的指纹匹配方法对形变指纹匹配具有较好的鲁棒性,能较大提升指纹的识别性能。     

基于稳定区域的形变指纹匹配算法

针对指纹匹配中的非线性形变问题,首次提出了稳定区域的概念,并给出了一种新颖的基于指纹稳定区域的形变指纹匹配算法。通过稳定区域这一概念,巧妙地把指纹匹配问题转化为寻找两幅指纹中对应稳定区域的问题。该算法通过稳定区域的构造、确认和扩张3个步骤,实现了从点到面再到更大区域,从线性形变区域到非线性形变区域的匹配策略。该算法在国际指纹识别竞赛FVC2004的数据库上进行了测试,实验结果表明,该算法有着良好的匹配性能,并有较强的处理非线性形变的能力。     

一种鲁棒的指纹细节特征点匹配方法

指纹细节特征点匹配是指纹识别过程的核心部分,鲁棒的细节特征点匹配方法需要克服指纹的旋转、变形和真实特征点丢失的情况。该文通过引入支持模型来进行细节特征点匹配,获得了较好的结果。在对支持模型理论进行简单分析之后,详细介绍了所提出的一个鲁棒的基于支持模型的细节特征点匹配算法。该方法通过融合多个种子松弛匹配的结果,来获取每个细节特征点的约束支持。并通过每个对应点不同的支持度得到一一对应的细节特征点匹配结果。最后给出两个指纹细节特征点集的相似性水平。该算法具有较强的鲁棒性和稳定性,能够很好地解决指纹细节特征点匹配过程中存在的旋转、变形和真实细节特征点丢失等情况。最后给出的实验结果验证了该算法的有效性。     

一种新的点模式指纹匹配方法

指纹的旋转和平移是指纹匹配中必须解决的问题,针对这一问题提出了一种新的指纹局部特征描述方法,主要是利用特征点之间的距离、特征点类型来构建新的局部特征向量,利用这些局部结构特征来实现对匹配参考点的确定,将存在平移和旋转的两个指纹特征点集转换为以匹配参考点为极点的极坐标下进行全局匹配。实验结果表明该算法对于指纹图像的旋转和平移具有较强的适应性,可以满足实际应用的需要。     

Fingerprint minutiae matching algorithm for real time system

Many fingerprint matching algorithms have been reported in articles in recent years. And people did fingerprint images matching through minutiae matching in most of the algorithms. In this paper, we proposed a new fingerprint minutiae matching algorithm, which is fast, accurate and suitable for the real time fingerprint identification system. In this algorithm we used the core point to determine the reference point and used a round bounding box for matching. Experiments done on a set of fingerprint images captured with a scanner showed that our algorithm is faster and more accurate than Xiping Luo's algorithm.     

无方向的三角形匹配指纹识别

目的 指纹匹配是自动指纹识别系统研究的核心内容之一,匹配算法的好坏直接影响识别系统的效能。目前,大多数点模式匹配算法都依赖于指纹方向场的求取,由于输入的指纹图像存在平移、旋转和尺度变化,因此同一个手指在不同时间获得的指纹图像的方向场是不同的,这不仅增加了计算量,也影响了指纹识别的精度。针对上述问题,提出了无方向的三角形匹配算法。方法 提出的三角形匹配算法是以平面中任意点与一个确定的三角形之间的位置结构稳定性为理论基础的。首先,分别在待识指纹图像和模板指纹图像中确定基准三角形;其次,将各个特征点与基准三角形三个顶点的距离组成有序三数组;最后,利用数组的相等程度对指纹相似度进行匹配判断。结果 采用国际标准测试库FVC2004进行综合性能比对实验,实验结果表明,与其他几种匹配算法相比,本文方法在识别精度上提高了27.97%~33.81%,在比对时间上降低了3%~5%,在不同旋转角度下误匹配率平均降低了约86.63%,对噪声、平移、旋转和形变有足够的适应能力,具有较高的容错能力和鲁棒性。结论 无方向的三角形匹配算法是一种全局模式的算法,该算法不受指纹图像方向及其位置的影响,实现过程简单,识别精度高,平均比对时间少,适用于处理不同类型的图像数据。     

基于Matlab实现的指纹图像细节特征提取

指纹图像的特征提取是指纹识别的关键,而指纹匹配通常基于细节点匹配.介绍了一套基于Matlab实现的指纹细节特征提取方法,并给出了去伪算法.指纹特征提取是从细化后的指纹图中得到细节特征点(即端点和分叉点),此特征点含有大量的伪特征,既耗时又影响匹配精度.采用了边缘去伪和距离去伪,使得特征点去伪前后减小了近1/3,然后提取可靠特征点信息,以便实现指纹匹配.实验证明,用Matlab实现的这种方法,既简单快速,而且具有较高的准确率.     

一种基于基准点的指纹匹配算法

在图像中心区域为若干细节点分别构造局部结构,根据这些结构的匹配结果实现了基准点的精确定位。在指纹匹配阶段引入一个新的属性,即细节点到基准点之间的纹线切割数目,该属性对指纹的平移和旋转以及非线性形变具有不变性。指纹匹配时对该属性进行比较,排除明显不匹配的细节点,根据可变大小界限盒的方法对细节点进一步匹配。实验结果表明,该算法效率比原有算法提高了10%～20%,且实现了较高的匹配精度。